• 提供配置文件
  • 在过去的11年里，我们的工程师一直专注于为特定应用开发计算机视觉软件。在智能视频监控以及生物识别和医疗系统相关项目中获得的经验帮助团队开发了针对计算机视觉不同分支的解决方案所需的所有技能。
产品组合

  • Adaptive Vision Studio 2.4

  • Adaptive Vision Studio 2.4是一个易于使用的开发环境，用于创建机器视觉应用程序。它解决了许多不同行业的现实任务，并为您提供了硬件选择的自由，包括来自多家制造商的智能相机。

    它是最好的机器视觉软件，同时:
    • 直观的-算法和图形用户界面的拖放开发;即时洞察所有中间结果;干净的设计;
    • 强大的-循环，条件，宏过滤器和一个全面的过滤器库，是世界上最快的之一;
    • 适应性强的-支持不同厂商的硬件;c++用户过滤器;与OpenCV集成。

      • Adaptive Vision Studio 2.4

      • 它是如何工作的?
        该应用程序带有超过700个内置计算机视觉过滤器的库。用户通过以适当的方式连接过滤器来创建程序。各种类型的连接确保可以实现数据流的任何结构，而分层宏观过滤器允许对大规模程序进行有效管理。

        是给谁的?
        Adaptive Vision Studio旨在满足机器视觉工程师和研究人员的广泛社区的需求。新接触计算机视觉的人受益于通过交互实验进行的快速学习，而机器视觉专家可以更快、更方便地完成工作，因为没有低级别的编程麻烦。同时，拥有自己的视觉相关代码库的C/ c++程序员可以通过轻松集成的用户过滤器利用Adaptive Vision Studio的高交互性。

    • 特性

          • 拖放

          • 所有的编程都是通过选择滤波器并将它们相互连接来完成的。你可以把所有的脑力都集中在计算机视觉上。要快速演示，请参阅您的第一个程序视频教程。

          • 你能看到一切

          • 该应用程序针对计算机视觉专业人员的需求进行了优化。所有中间结果都可以查看和分析，为您提供对算法性能的全面洞察。

          • 循环和条件

          • 不需要编写一行代码，就可以创建任意复杂的算法。使用适当的数据连接隐式地创建循环和条件。有关更多信息，请参阅数据流编程。

          • Macrofilters

          • 大的程序可以被组织成小的、容易理解的部分——宏过滤器。宏过滤器是一个可重用的过滤器序列，具有自己的输入、输出和数据处理周期。

          • 超过700个内置过滤器

          • 有数百种现成的机器视觉过滤器。它们被组织到定义良好的类别结构中，并遵循清晰一致的命名约定。它们被记录在过滤器参考中。

          • 硬件加速

          • 滤波器针对SSE技术和多核处理器进行了积极优化。我们的实现是世界上最快的之一(可以在性能部分看到)。

          • 综合数据类型集

          • 您不仅可以处理图像，还可以处理区域、路径、几何原语、配置文件、直方图等。更多细节请看这个视频。

          • 任意形状roi

          • 图像处理操作可以在整个图像或任意形状的区域内执行。小而精确的roi可用于显著加快处理速度。

          • 用户过滤

          • 您可以使用用户过滤器将您自己的C/ c++代码与可视化编程的好处集成在一起。构建第一个用户过滤器需要30秒，重新编译后更新一个需要5秒。这个视频展示了它是多么简单和直接。

          • OpenCV的支持

          • 来自OpenCV库的免费开源过滤器也包括在内。与一组标准过滤器一起使用，可以为简单的应用程序创建极具成本效益的解决方案。

          • 相机的支持

          • 支持许多不同制造商的相机，包括Basler、PointGrey和XIMEA。

          • GigE视觉支持

          • Adaptive Vision Studio和Adaptive Vision GigE SDK是与GigE Vision兼容的产品，支持从相机配置到高性能图像采集的所有需求。请看这个视频。

          • 运行时的应用程序

          • 在Adaptive Vision Studio中创建的程序可以与轻量级运行时应用程序一起部署。用户界面(HMI)可以用一个简单的XML文件定义(从2.2开始可用)。

          • 执行程序库

          • 运行时引擎也可用作DLL库，可在C、c++或c#应用程序中使用。

          • 人机界面设计

          • 您可以轻松地创建自定义图形用户界面，从而使用单个软件包构建整个机器视觉解决方案。

      • 自适应视觉库

      • 自适应视觉库是一种通用机器视觉工具集，针对工业质量检测的需求进行优化。该库的主要优势包括出色的性能和全面的机器视觉算法集，特别是对图像处理、斑点分析和轮廓分析等底层技术的良好支持。

          • 自适应视觉库

          • 库的主要部分分为六个部分，根据感兴趣的数据类型定义:
            • 图像处理-包含初始图像预处理/细化的方法
            • 斑点分析，轮廓分析-两大图像分析工具集，建立在区域处理(斑点分析)和亚像素精确路径(轮廓分析)的基础上，从图像中提取
            • 档案、直方图用于一维数据处理和分析的辅助工具集
            • 二维几何-在使用(可能)不同工具发现的对象之间执行最终测量的平台。

            此外，该库还支持许多专业技术，如1D测量、傅里叶分析和基于形状的模板匹配。

        • 自适应视觉库与自适应视觉工作室的关系

        • 自适应视觉库中的每个函数都是自适应视觉Studio中相应滤波器的基础。因此，使用Adaptive Vision Studio作为一个方便的、指向和点击的原型工具是可能的(也是可取的)，即使一个人打算使用Adaptive Vision Library在c++中开发最终的解决方案。

              • 图像处理

              • 高性能，任何形状的ROI操作一元和二值算法，图像细化，形态学，平滑，空间变换，特征提取，梯度提取，众多阈值方法，圆盘IO等。

              • Blob分析

              • 为经典的斑点分析技术提供强大的鲁棒操作集。提供大量的方法斑点提取，集算术，区域细化，任何核形态，骨架化，空间转换，特征提取，测量和更多。

              • 轮廓分析

              • 亚像素精度的工具集设计为blob分析的替代方案，特别适用于形状分析。提供了轮廓提取，细化，分割，平滑，分类，全局转换，特征提取等方法。

              • 二维几何

              • 详尽的几何操作工具集，与库的其他部分兼容。提供50多种二维几何操作，包括几何原语拟合、测量、交点、切线、特征提取等。

              • 直方图和概况

              • 辅助工具集，允许细化和分析从图像中提取的1D数据。图书馆的创新设计使经典的直方图和概况远远超出他们通常的应用。在自适应视觉库中，分析两条路径之间的距离轮廓或从一组对象中提取的数字特征的直方图并不少见。

              • 1 d测量

              • 跨图像轮廓提取边缘经典技术的一组方法。该库提供了专门的方法来测量交替特征的成对边缘和沿任何路径的支持测量。

              • 边缘模板匹配

              • 高效、健壮和易于使用的模板匹配方法。当低级技术不足以定位您要查找的对象时，这些工具提供了可靠的替代方案。

              • 傅里叶分析

              • 该工具集既适用于教育实验，也适用于工业应用，为频域的傅里叶变换和图像处理提供了方法。

              • 性能

              • 在自适应视觉库中，精心设计的算法与详尽的硬件优化齐头并进，从而使该库成为世界上最快的性能库之一。我们的实现利用了SSE指令和多核处理器上的并行计算。

              • 可移植性

              • 该库不使用STL，而是基于简单高效的自适应模板库。后者提供了大部分STL功能，同时避免了迭代器抽象和高级模板技术。因此，Adaptive Vision Library可以很容易地移植到各种嵌入式平台，包括那些不完全支持c++模板的平台。

              • 现代设计

              • 所有数据类型都具有自动内存管理功能。通过抛出适当的异常显式地处理错误。创新的可选输入结构为输入上的特殊值提供了优雅的处理。

              • 一致性

              • 函数名有动词+名词的形式(例如SmoothImage, RotateVector)。如果一个操作有多个变体，则用下划线开头的后缀来区分(例如SmoothImage_Mean, SmoothImage_Gauss)。所有结果都是通过引用输出参数返回的，因此总是可能有很多输出。

          • 例子的结果